美国贸易逆差:增长惯性与可持续性

美国的经常项目逆差特别是贸易逆差“历史悠久”，尤其是近年来高速增长，已引起人们广泛的关注。1990年代来的美国贸易逆差，已很难单从汇率、贸易政策及产品竞争力等单个变量来加以解释。通过运用滞后一年的时间数列回归分析及相关分析，本文得出的结论是：当期美国贸易逆差是前期美国贸易逆差的惯性增长，并且只要美国能够维持强势美元，资本与金融账户的盈余足够冲抵贸易逆差，美国的贸易逆差便具有可持续性。在本文的最后一部分，作者针对近期美国人制造的“人民币升值论”，结合近10年来中美双边贸易现实，说明美国贸易逆差与人民币汇率之间没有必然联系，人民币升值不可能改善美国的贸易收支状况。     

制造业习性成本结构和经营安全程度分析

本文以制造业上市公司为研究对象,从收入动因成本中分解出收入动因固定成本和收入动因变动成本,进而计算出习性成本结构指标、保本点指标以及经营安全程度（安全边际率）指标。通过习性成本结构和经营安全程度分析可以得出以下研究结论：（1）以收入动因成本和营业净收入为基础进行的习性成本结构和经营安全程度分析是合理的、可靠的;（2）制造业整体上变动成本比重较高,行业整体营业净收入中变动成本比重为89.44%;（3）制造业整体经营风险较低,行业整体安全边际率为77.71%,处于“很安全”的范围。     

施工企业应用资金收支两条线管理模式的意义

本文介绍了企业资金收支两条线管理模式的定义和运用措施,阐述了其在施工企业资金集中管理中应用的重要意义。     

我国预算执行中超收超支的形成机制及治理

近几年,我国预算执行中的超收和超支问题随着超收规模和超支规模的扩大而引起广泛关注.国内学者对于超收的形成原因进行了诸多探讨,普遍认为超收是超支的决定因素.理论研究和实证研究超收和超支形成机制的结果显示:虽然超收是超支最初产生的直接原因,但是地方政府支出需求的刚性和对资金自由裁量权的追求形成了对超收的“倒逼机制”,尤其是1994年分税制改革后地方财力与事权不匹配所产生的支出缺口,使得地方政府逐渐对财政超收产生了路径依赖.解决超收和超支问题最根本的措施是防止超收与超支的直接转化.此外,如何加强预算约束,从技术、行政和法制层面控制超收规模也是下一步改革中需要关注的问题.     

基于灰色神经网络的咸宁市财政收入预测研究

在介绍灰色神经网络模型原理的基础上,以湖北省咸宁市为例,利用灰色神经网络模型预测出2011-2014年咸宁市财政收入,由于灰色神经网络模型考虑了多指标的共同作用,具有更好的预测效果。     

建筑安装工程项目收入成本确认之探讨

做好工程项目成本核算是建筑安装企业得以实现企业发展战略的重要手段之一。一些中小建筑安装企业或改制转型后的实施项目核算的建筑安装企业,在项目核算中存在着以收抵支、简单承包等现象,阻碍了企业的发展。文章通过对当前形势的分析、建筑安装市场的特点,结合会计准则的要求,对建筑安装工程项目的收入、成本做了一些探讨。     

地区财政收入影响因素的实证分析--以淮南市为例

在分析财政收入影响因素的基础上,对淮南市历年来的财政收入及各项数据的分析,建立了线性回归模型,初步确定国民生产总值、固定资产投资、在岗职工工资作为淮南市财政收入的影响因素。检验对财政收入影响最显著的因素,创新性的将在岗职工工资作为解释变量,进行了相关的检验与技术分析。说明这些实证研究的经济学意义,以及对淮南市政府缓解财政收入矛盾的借鉴作用。     

保险本质的产权经济学分析——兼与冯冠胜教授商榷

保险交易是一种等价、公平的交易.保险风险出险概率低、相关性低的特征决定了被保险人获赔的低概率性和"取丰"与"补歉"的不对等性.保险费经济收益权不确定但均衡,心理收益权则既确定又均衡.保险基金运用的实质是实现其应有的时间价值,保障型保险的基金收益是纯保险费的有机组成部分,被保险人无权分享.在产权经济学的视域里,保险本质是保险费确定性产权与保险金不确定性产权的交换.即确定性财产权与或有性获赔权的交换,确定性的小支出与不确定性的大损失的交换.     

广告收入上限的规制涵义--基于电视产业的分析

文章在电视产业规制实践的基础上,把节目编排作为衡量电视传播企业的主要产出,在理论上证明了当观众的总需求固定时,三类电视频道都存在基于DEA的广告收入上限,其规制涵义在于,当把广告收入看作规制者给予电视传播企业的一种转移支付的形式时,基于DEA的广告收入上限给出了促进三种经营方式竞争的规制框架,因此,国家对广告收入上限的规制有着合理的理论基础。     

Stock market volatility forecasting: Do we need high-frequency data?

The general consensus in the volatility forecasting literature is that high-frequency volatility models outperform low-frequency volatility models. However, such a conclusion is reached when low-frequency volatility models are estimated from daily returns. Instead, we study this question considering daily, low-frequency volatility estimators based on open, high, low, and close daily prices. Our data sample consists of 18 stock market indices. We find that high-frequency volatility models tend to outperform low-frequency volatility models only for short-term forecasts. As the forecast horizon increases (up to one month), the difference in forecast accuracy becomes statistically indistinguishable for most market indices. To evaluate the practical implications of our results, we study a simple asset allocation problem. The results reveal that asset allocation based on high-frequency volatility model forecasts does not outperform asset allocation based on low-frequency volatility model forecasts.